www.ejournal.unib.ac.id/index.php/pseudocode
1
endinaputri@unib.ac.id
2
desiandreswari@unib.ac.id
3
faradithaulvafaraditha@gmail.com
Abstrak: Batik Besurek merupakan warisan budaya Bengkulu yang mempunyai ciri khas berupa motif
huruf Arab gundul yang dipadukan dengan motif bunga Raflesia Arnoldi. Penelitian ini bertujuan
mendesain aplikasi temu kembali citra Batik Besurek menggunakan ekstraksi fitur Color Histogram,
Gray Level Co-occurrence Matrix, dan Moment Invariant. Citra yang menjadi dataset yaitu citra Batik
Besurek yang terdiri dari 5 motif seperti Kaligrafi, Bunga Raflesia, Burung Kuau, Relung Paku, dan
Motif Rembulan. Banyaknya macam citra Batik Besurek yang digunakan sebagai database sesuai dengan
banyaknya motif Batik Besurek yang ada di Bengkulu dengan jumlah citra yang ada di database adalah
100 citra training, 30 citra uji database, 30 citra uji luar database, 5 citra uji dari internet. Hasil pencarian
citra adalah citra yang memiliki kemiripan mendekati citra uji. Semakin kecil selisih kemiripan maka citra
training semakin mirip dengan citra uji. Berdasarkan hasil eksperimen menunjukkan tingkat akurasi
aplikasi ini mencapai 75% untuk citra tanpa serangan, 77% untuk citra rotasi 90 derajat, 67% untuk citra
Blur Gaussian 1, 68% untuk citra dengan noise, dan 67% untuk citra dengan perubahan warna.
Kata Kunci: batik besurek, temu kembali citra, tekstur, warna, Gray Level Co-occurrence Matrix
Abstract: Batik Besurek is a Bengkulu cultural Blur Gaussian 1 images, 68% for images with
heritage which has a characteristic form of noise, and 67% for images with color changes.
Arabic letters combined with Raflesia Arnoldi as Keywords: batik besurek, image retrieval, texture,
floral motifs. This application uses the feature color, Gray Level Co-occurrence Matrix
extraction with Color Histogram, Gray Level Co-
occurrence Matrix, and Invariant Moment. The I. PENDAHULUAN
Batik Besurek dataset images are Calligraphy,
. Salah satu jenis Batik yang ada di Indonesia
Raflesia Flower, Quau Bird, Niche, and Moon
Motif. The number of Besurek Batik images used adalah Batik Besurek. Batik Besurek merupakan
as a database is in accordance with the number
warisan budaya Bengkulu yang mempunyai ciri
of Batik Besurek motifs in Bengkulu with the
number of images in the database 100 training khas berupa motif huruf Arab gundul yang
images, 30 database test images, 30 database test
dipadukan dengan motif bunga Raflesia Arnoldi.
images, and 5 test images from the internet. The
results of image search are images that have a Pada proses pembuatannya para pengrajin dapat
similarity to the test image visit. The smaller
menciptakan motif Batik Besurek dengan bentuk,
difference in similarity, the more similar the
image training with the test image. Based on the warna, dan tekstur yang berbeda. Hal tersebut
results of the experiment shown that the accuracy
bertujuan untuk memperkaya jenis dari Batik
of application to 5% for images without attacks,
77% for 90 degree rotational images, 67% for Besurek itu sendiri. Sebagai orang awam yang
17
Jurnal Pseudocode, Volume VII Nomor 1, Februari 2020, ISSN 2355-5920, e-ISSN 2655-1845
www.ejournal.unib.ac.id/index.php/pseudocode
buta akan seni Batik, tentu sulit untuk mencari memperhitungkan area objek. Momen yang
motif yang serupa karena keberagaman motif dihasilkan dapat digunakan untuk menangani
Batik Besurek tersebut. Dengan menggunakan translasi, penyekalan, dan rotasi gambar.
Image Retrieval, citra seperti Batik Besurek dapat Penelitian ini membangun aplikasi temu kembali
diproses untuk mendapatkan beberapa citra yang citra Batik Besurek dengan metode ekstraksi fitur
serupa. Color Histogram, Gray Level Co-occurrence
Penelitian terkait dengan pengolahan citra Matrix, dan Moment Invariant. Sedangkan untuk
pernah dilakukan sebelumnya seperti aplikasi penghitungan jarak citra query dengan citra pada
pencarian citra Batik Besurek berbasis tekstur database menggunakan metode Euclidean
dengan metode Gray Level Co-occurrence Matrix Distance.
dan Euclidean Distance [1]. Selanjutnya tentang
II. LANDASAN TEORI
efisiensi metode Control Based Image Retrieval
2.1. Batik Besurek
(CBIR) menggunakan kombinasi fitur bentuk,
Batik Besurek terdiri atas 2 kata yaitu “batik”
warna, dan tekstur dengan teknik Fuzzy [2].
dan “besurek”. Batik berasal dari bahasa Jawa
Penelitian terkait juga dilakukan yang membahas
yang terdiri atas gabungan dua kata yaitu ”amba”,
tentang aplikasi Image Retrieval dengan
yang artinya “menulis” dan “titik” yang artinya
Histogram Warna dan Multiscale GLCM [3].
“titik”. Kata batik juga diduga berasal dari kata
Penelitian juga dilakukan oleh Keyuri
“Ambatik” yang diterjemahkan berarti ‘kain
M.Zinzuvadia [4] dengan penelitian berjudul a
dengan titik-titik kecil’. Sedangkan kata “besurek”
survey in feature based image retrieval using
berasal dari bahasa Bengkulu “Besurek”, yang
classification and relevances feedback techniques
kalau di bahasa indonesiakan menjadi “bersurat”
yaitu membahas tentang perbandingan metode
dan dimaknakan menjadi “menulis” [6]. Jadi bisa
yang digunakan untuk ekstraksi warna, tekstur,
diartikan Batik Besurek adalah Batik Bertulisan.
dan bentuk pada sistem temu kembali citra.
Batik ini disebut besurek atau bersurat karena kain
Beberapa penelitian terkait yang telah
ini bertuliskan huruf-huruf Arab. Dalam satu kain
dilakukan sebelumnya, diketahui bahwa beberapa
biasanya tidak hanya terdiri dari satu motif saja,
metode yang digunakan masing-masing fitur ialah
tetapi dipadupadankan dengan motif-motif lainnya
Color Histogram, Gray Level Co-occurrence
untuk lebih memperkaya corak dan ragam kain
Matrix (GLCM), dan Moment Invariant. Ketiga
Batik Besurek [7].
metode tersebut memiliki kelebihan dibandingkan
Motif utama Batik Besurek adalah huruf
dengan metode untuk ekstraksi fitur sejenis
kaligrafi. Berikut ini beberapa motif dari kain
lainnya. Color Histogram merupakan metode yang
Batik Besurek:
sederhana, dan cepat proses komputasinya.
a. Motif Kaligrafi, motif yang diambil dari
Sedangkan Gray Level Co-occurrence Matrix
huruf-huruf kaligrafi. Batik Besurek modern,
memiliki kemampuan untuk mencakup posisi dari
biasanya kaligrafinya tidak memiliki makna.
pixel yang memiliki persamaan nilai pada level
b. Motif Bunga Raflesia, motif yang bergambar
keabuan [5]. Moment Invariant, metode ini
bunga rafflesia arnoldi yang merupakan bunga
bermanfaat untuk menyatakan objek dengan
18
Jurnal Pseudocode, Volume VII Nomor 1, Februari 2020, ISSN 2355-5920, e-ISSN 2655-1845
www.ejournal.unib.ac.id/index.php/pseudocode
raksasa khas bengkulu. Motif bunga rafflesia bisa distribusi nilai HSV setiap pixel pada gambar yang
dikatakan sebagai motif utama kain besurek telah dikuantisasi.
setelah kaligrafi. c. Normalisasi
c. Motif Burung Kuau, motif bergambar seperti Untuk membandingkan citra dengan ukuran yang
burung, tetapi terbuat dari rangkaian huruf-huruf berbeda, histogram warna harus dinormalisasi.
kaligrafi.
d. Motif Relung Paku, bentuknya meliuk-liuk,
Dimana , p adalah jumlah total pixel dari
persis seperti tanaman relung paku.
suatu citra.
e. Motif Rembulan, motif yang digambar
2.3. Gray-Level Co-Occurrence Matrix
seperti rembulan yang bulat biasanya dipadukan
(GLCM)
dengan motif kaligrafi.
Metode Gray-Level Co-Occurrence Matrix
2.2. Color Histogram
adalah salah satu cara mengekstrak fitur tekstur
Color Histogram merupakan representasi
statistik orde-kedua. GLCM merupakan tabulasi
distribusi warna [5]. Untuk gambar digital,
mengenai frekuensi atau seberapa seringnya
histogram warna mewakili jumlah pixel yang
kombinasi nilai kecerahan pixel yang berbeda
memiliki warna pada masing- masing kelompok,
posisinya terjadi dalam suatu citra [8]. metode
dengan rentang warna tertentu yang mencakup
Gray Level Co-occurrence Matrix merupakan
ruang warna gambar tersebut. Langkah-langkah
salah satu cara mengekstraksi fitur tekstur untuk
untuk menghitung fitur warna, yaitu:
mengetahui seberapa seringnya kombinasi nilai
a. Konversi Ruang Warna
kecerahan pixel dengan posisi berbeda yang terjadi
Pada tahap ini, ubah semua warna pada gambar
pada suatu citra.
dari ruang warna RGB (Red, Green, Blue) menjadi
Terdapat 6 parameter yang paling relevan
ruang warna HSV. HSV adalah Hue, Saturation,
digunakan untuk mengklasifikasikan citra
Value. Hue digunakan untuk mewakili warna,
berdasarkan hasil matriks Co-occurrence. Berikut
saturation adalah banyaknya cahaya putih yang
ini merupakan keenam parameter yang paling
ditambahkan ke warna dasar, dan value adalah
relevan:
intensitas cahaya [8].
1) Angular Second Moment
b. Kuantisasi Nilai HSV
Parameter ini menunjukkan ukuran sifat
Pada ruang warna HSV, setiap komponen
homogenitas suatu citra.
memiliki rentang nilai yang besar. Jika
= Σ ∅, , ( , )
menggunakan nilai H, S, dan V secara langsung,
Dimana P(a,b) menyatakan nilai pada baris a dan
maka memerlukan banyak komputasi. Oleh karena
kolom b pada matriks kookurensi. Kemudian ∅
itu ruang warna HSV dikuantisasi secara non-
dan d merupakan nilai jarak pada tingkat keabuan.
equal intervals, yaitu menetapkan 8 level untuk
2) Entropy
masing-masing hue, saturation, dan value,
Parameter ini menunjukkan ukuran
sehingga didapat 8x8x8 = 512 histogram bins.
ketidakteraturan tekstur suatu citra.
Pada tahap ini, gambar yang sudah dikuantisasi
=− Σ ∅, , ( , ) ∅, ( , )
akan dihitung histogram warnanya, yaitu frekuensi
19
Jurnal Pseudocode, Volume VII Nomor 1, Februari 2020, ISSN 2355-5920, e-ISSN 2655-1845
www.ejournal.unib.ac.id/index.php/pseudocode
Entropy akan bernilai besar pada citra dengan ialah Moment Invariant. Fitur Moment Invariant
transisi derajat keabuan merata dan bernilai kecil bermanfaat untuk menyatakan objek dengan
jika struktur citra tidak teratur (bervariasi). memperhitungkan area objek. Fitur ini
3) Variance menggunakan dasar momen pusat yang
Parameter ini menunjukkan variasi elemen-elemen ternomalisasi [8]. Mekanismenya dilakukan
matriks kookurensi. Citra dengan transisi derajat dengan menghitung momen citra dengan
keabuan kecil akan memiliki variansi yang kecil persamaan sebagai berikut :
pula. =ΣΣ| − | ∅, ( , ) = ΣΣ ( , ), , = , , , ,…
4) Contrast Dengan :
= momen citra digital
Parameter ini menunjukkan ukuran penyebaran
p,q = orde momen
(momen inersia) elemen-elemen matriks citra. Jika = nilai intensitas warna citra
x, y = koodinat pixel
letaknya jauh dari diagonal utama, nilai
kekontrasan besar.
Hasil perhitungan momen citra menghasilkan
=Σ| − | ∅, ( , ) ,
momen citra dalam beberapa orde momen. Orde
Secara visual, nilai kekontrasan adalah ukuran
momen 00, 01, dan 10 dijadikan sebagai masukan
variasi antar derajat keabuan suatu daerah citra.
untuk menghitung koordinat pusat citra.
5) Inverse Different Moment (IDM)
Selanjutnya menetukan koodinat pusat citra
Parameter ini menunjukkan kehomogenan citra
dengan menggunakan persamaan berikut :
yang berderajat keabuan sejenis. Citra yang
̅= ; ̅=
homogen akan memiliki nilai IDM yang besar.
=ΣΣ +( − ) ∅, ( , ) Untuk memperoleh momen yang invarian
6) Correlation terhadap rotasi, maka momen pusat dihitung
Parameter ini menunjukkan ukuran ketergantungan berdasarkan koordinat pusat citra. Momen pusat
linear derajat keabuan citra sehingga dapat dapat ditentukan secara diskret dengan persamaan
memberikan petunjuk adanya struktur linear dalam sebagai berikut :
citra. = ΣΣ( − ̅) ( − ̅) ( , )
=Σ[( ) ∅, ( , )]− , = , , , …
, Dengan :
= momen pusat
Dimana :
̅, ̅ = pusat citra
= Σ Σ ∅, ( , )
Untuk mendapatkan momen pusat yang
= Σ Σ ∅, ( , )
invarian terhadap skala, maka momen
= Σ( − ) Σ ∅, ( , )
dinormalisasi dengan persamaan berikut :
= Σ( − ) Σ ∅, ( , )
= , = + + , + = , ,….
Momen yang dihasilkan dapat digunakan
2.4. Moment Invariant
untuk menangani translasi, penyekalan, dan rotasi
Fitur bentuk memberikan informasi penting
gambar. Menurut Huang [9], tujuh Moment
karena kemampuan manusia untuk mengenali
Invariant seperti persamaan sebagai berikut :
objek melalui bentuknya. Salah satu metodenya
20
Jurnal Pseudocode, Volume VII Nomor 1, Februari 2020, ISSN 2355-5920, e-ISSN 2655-1845
www.ejournal.unib.ac.id/index.php/pseudocode
∅ = ( − )[ ( + ) − ( + biner.
) ]+ ( + )( + )
∅ = ( − )( + )[ ( +
) − ( + ) ]−( −
)( + )[ ( + ) − ( +
) ]
21
Jurnal Pseudocode, Volume VII Nomor 1, Februari 2020, ISSN 2355-5920, e-ISSN 2655-1845
www.ejournal.unib.ac.id/index.php/pseudocode
2) Proses Ekstraksi Warna dengan Color kookurensi dengan cara melakukan pencarian
Histogram frekuensi kemunculan piksel dengan masing-
Ekstraksi warna dilakukan dengan masing tetangganya. Proses ini dilakukan 4 kali
menggunakan metode color histogram. konversi dengan letak tetangga yang berbeda-beda yaitu 0°,
dari ruang warna RGB ke Hue Saturation Value 45°, 90° dan 135°.
(HSV). Cara mengkonversi ke HSV dilakukan 3. Proses Ekstraksi Bentuk Dengan Moment
dengan kode rgb2hsv pada Matlab. Langkah kedua Invariant
yaitu kuantisasi warna dilakukan dengan Moment Invariant ialah menghitung momen
menggunakan color histogram dengan menetapkan citra, perhitungan ini berlaku untuk citra uji dan
8 level untuk masing-masing hue, saturation, dan citra training. Dimana nilai koordinat pixel
value, sehingga didapat 8x8x8 = 512 histogram masing-masing dipangkatkan dengan jumlah
bins. Langkah ketiga yaitu hitung nilai histogram intensitas cahaya yang telah diketahui dari citra
yang dinormalisasi dengan cara membagi jumlah tersebut. Kemudian momen citra digunakan untuk
piksel bin warna dengan jumlah total piksel pada menghitung koordinat pusat citra. Untuk
suatu citra, yang mana telah dijelaskan pada bab 2 memperoleh momen yang invarian terhadap
butir 2.6. Histogram yang dinormalisasi ini rotasi, maka momen pusat dihitung berdasarkan
dihitung untuk tiap koefisien perkiraan, horizontal, koordinat pusat citra yang telah dihitung
dan vertikal. Nilai-nilai histogram merupakan hasil sebelumnya dan dinormalisasikan. Kemudian
dari proses ekstraksi fitur. Kemudian dihitung tahap selanjutnya ialah menghitung tujuh buah
selisih jaraknya antara citra uji dan citra training. momen.
Pada proses citra training, hasil ekstraksi fitur ini
akan disimpan di dalam database yang akan IV. HASIL DAN PEMBAHASAN
digunakan untuk perhitungan selisih dengan citra Pengujian dengan penerapan metode Color
uji yang dimasukkan oleh pengguna. Histogram ini adalah pengujian dari hasil ekstraksi
3) Proses Ekstraksi Tekstur Dengan Metode warna dengan Color Histogram. Pengujian ini
GLCM dilakukan dengan citra uji merupakan salah satu
Citra uji dan citra training yang telah melalui citra yang ada di dalam database. Hal ini
proses preprocessing akan masuk ketahapan ini. dilakukan untuk membuktikan apakah metode ini
Kedua citra tersebut pada awalnya akan diambil cocok untuk menemukan citra uji tersebut kembali.
nilai matriksnya, untuk kemudian nilai
matriks tersebut yang akan diproses
menggunakan metode Gray Level Co-occurrence
Matrix. Sebelum memproses matriks tersebut,
perlunya pembentukan matriks baru berisi piksel
0 yang nantinya akan diisi dengan hasil
pembentukan matriks kookurensi. Matriks baru Gambar 2. Hasil Pencarian Citra
ini diinisialisasikan sebagai ‘Temp’. Setelah itu, Citra uji tanpa serangan adalah citra asli
barulah dilakukan pembentukan matriks belum diberi serangan baik berupa blur, noise,
22
Jurnal Pseudocode, Volume VII Nomor 1, Februari 2020, ISSN 2355-5920, e-ISSN 2655-1845
www.ejournal.unib.ac.id/index.php/pseudocode
rotasi, atau perubahan warna citra. Berikut grafik proses temu kembali terhadap citra uji dari
hasil pengujian terhadap citra uji database tanpa database yang diputar 90 derajat menghasilkan
serangan pada Gambar 3. keluaran yang baik. Adapun tingkat akurasi pada
pengujian dengan citra uji database yang dirotasi
90 derajat adalah 35.17% untuk nilai recall dan
77% untuk nilai precision.
23
Jurnal Pseudocode, Volume VII Nomor 1, Februari 2020, ISSN 2355-5920, e-ISSN 2655-1845
www.ejournal.unib.ac.id/index.php/pseudocode
24
Jurnal Pseudocode, Volume VII Nomor 1, Februari 2020, ISSN 2355-5920, e-ISSN 2655-1845
www.ejournal.unib.ac.id/index.php/pseudocode
REFERENSI
[1] Karimah, F. U. (2014). Rancang Bangun Aplikasi
Gambar 12. Hasil Pengujian Terhadap Citra Uji Mengalami Pencarian Citra Batik Besurek Berbasis Tekstur dengan
Perubahan Warna Motif Bunga Raflesia Metode Gray Level Co-occurrence Matrix dan Euclidean
Berdasarkan Gambar 12 hasil pengujian Distance. Bengkulu: Universitas Bengkulu.
terhadap citra uji yang diubah warnanya dengan [2] Bala, R. (2014). Efficient Method of CBIR Using
motif Bunga Ralesia menunjukkan bahwa terdapat Combination of Shape, Color, and Texture Feature with
Fuzzy Technique. International Journal of Advanced
9 citra relevan yang berhasil ditemu kembalikan.
Research in Electronics and Communication Engineering,
Citra relevan tersebut adalah ‘Citra 1’, ‘Citra 2’, 909-913.
‘Citra 3’, ‘Citra 5’, ‘Citra 6’, ‘Citra 7’ , ‘Citra [3] Halim, A. (2015). Aplikasi Image Retrieval dengan
8’ ,‘Citra 9’ dan ‘Citra 10’. Sedangkan ‘Citra 4’ Histogram Warna dan Multiscale GLCM. International
Standard of Serial Number, 42-50.
merupakan motif Kaligrafi. Adapun tingkat
[4] Zinzuvadia, K. M. (2015). A Survey in Feature Based
akurasi pada pengujian dengan citra uji database Image Retrieval Using Classification and Relevances
yang diubah warnanya adalah 29.86% untuk nilai Feedback Techniques. International Journal of Advanced
recall dan 74% untuk nilai precision. Research in Electronics and Communication Engineering,
508-513.
V. KESIMPULAN DAN SARAN
[5] Purwandari, Endina Putri. (2019). Teori dan Aplikasi
Penelitian ini telah menghasilkan aplikasi Pengolahan Citra Digital. UNIB Press. ISBN 978-602-
temu kembali citra Batik Besurek dengan metode 5830-03-7.
ekstraksi fitur Color Histogram, Gray Level [6] Sanaran, I. (1998). Kerajinan Kain Basurek. Solo: PT. Tiga
Serangkai Pustaka Mandiri.
Cooccurence Matrix dan Moment Invariant
[7] Anwar, S. (1996). Fungsi Dan NIlai Besurek Bagi
dengan baik. Pengujian aplikasi dengan Masyarakat Bengkulu. Jakarta: Departemen Pendidikan
mengunakan citra uji tanpa serangan menghasilkan Dan Kebudayaan.
nilai recall 34.90% dan nilai precision 75%. [8] Purwandari, Endina Putri. (2018). Konsep dan Teori
Pengolahan Citra Digital. UNIB Press. ISBN 976-602-
Kemudian citra uji yang diputar 90° menghasilkan
5830-01-3.
nilai recall 35.17% dan nilai precision 77%. [9] Huang, Z. (2011). Analysis of Hu's Moment Invariants on
Image. Edith Cowan University, 476-480.
Selanjutnya citra uji yang diblur dengan Gaussian
baik radius 1.0 maupun 2.0 menghasilkan nilai
25